Modele AI sterują prawdziwymi samochodami: DrivingBench publikuje nowy benchmark
Modele AI sterują prawdziwymi samochodami: DrivingBench publikuje nowy benchmark
Nowy benchmark DrivingBench sprawdza zdolność modeli AI do kontrolowania rzeczywistego pojazdu. GPT-6 Astra był jedynym modelem, który pomyślnie ukończył trasę po analizie swoich błędów.
Zespół stojący za projektem DrivingBench opublikował nowy benchmark, w którym modele sztucznej inteligencji sterują prawdziwym samochodem.
Modele GPT-6 Astra, Claude Fable 5.1 oraz Grok 4.6 zostały podłączone do Toyota Corolla, otrzymując pełną kontrolę nad kierownicą, pedałem gazu i hamulca. Każdy model miał prawo do trzech prób ukończenia trasy.
Jedynie GPT-6 Astra zdołał pomyślnie pokonać cały tor. W pierwszej próbie model przejechał 49% trasy. Po otrzymaniu polecenia analizy własnych błędów, Astra ukończyła całą trasę.
Szczegóły dotyczące metodologii testu i wyników można znaleźć na stronie projektu: DrivingBench.
Dlaczego to ważne
AnalizaTen test podkreśla postęp w zakresie zdolności wielomodalnych modeli AI do podejmowania decyzji w czasie rzeczywistym i autokorekty, co stanowi znaczący krok naprzód dla technologii jazdy autonomicznej.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
OpenAI przedstawia GPT-6 Cyber — model z rekordami w cyberbezpieczeństwie
OpenAI raportuje nowe wyniki GPT-6 Cyber w cyberbezpieczeństwie, w tym 48,5% w benchmarku ExploitGym oraz wykrycie 81 wcześniej nieznanych podatności w Firefox, przy ograniczonym dostępie.
Modele Frontier
Najsilniejsza klasa sztucznej inteligencji na czele światowych badań (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), wyznaczająca granice współczesnych możliwości w zakresie rozumowania, autonomii i programowania.
Darmowa biblioteka tworzy złożone modele 3D z kodu za pomocą AI
Sand3D to darmowy projekt open source, który pozwala tworzyć złożone obiekty trójwymiarowe, opisując zadanie sieci neuronowej bezpośrednio w kodzie.
Część I. Architektura agentów AI: fundamentalne elementy
Dziesięć fundamentalnych elementów współczesnego agenta: taksonomia modeli, pętla runtime, techniki promptowania, destylacja, umiejętności (skills), pamięć, wywoływanie funkcji oraz ekonomia jednostkowa.